指数基金：牵牛之绳

目前,我国证券市场上主要有16只指数型基金,其中ETF基金有5只:易方达深证100ETF、上证180ETF、中小企业板ETF、上证50ETF、友邦华泰上证红利ETF;传统型指数基金有11只:融通深证     

粉煤灰活性指数与细度之间相关关系的实验研究

实验研究了粉煤灰活性指数与细度 [筛余量 % (0 0 4 5 ) ]之间的相关关系 ,给出了二者之间的数学模型 ,为改善粉煤灰的活性指数提供了理论基础。     

用测井资料预测储层的润湿性

岩心电性及润湿性实验测量结果表明，润湿性对阿尔奇饱和度指数n有很大影响。通过引入相对润湿指数，发现阿尔奇饱和度指数n的对数与相润湿指数之间存在很好的线性关系，为利用饱和度指数预测储层的润湿性提供了依据。同时使用电磁波传播测井和微球形聚焦电阻率测井求出饱和度指数随地层深度的变化曲线，预测储层的润湿性。现场井资料处理结果表明，该方法能快速直观显示不同深度处储层润湿性的变化。     

小口径管对接焊缝X射线检验的象质指数及一次透照有效范围

对目前国内小口径管对接焊缝射线检验四个标准中规定的象质指数,一次透照有效范围提出不同看法.     

发射药膛内动态燃速规律研究

通过３０ｍｍ高压滑膛模拟炮实验，采用压电测试系统与微波干涉系统同步测试膛内的燃气压力变化过程与弹丸运动变容过程，并经过内弹道方程的推导，对发射药在火炮膛内变容条件下的动态燃速规律进行了探索性研究。     

指数式增长特点的物流案例

我们在电商行业见到很多爆炸式增长,如一号店、京东商城等,其后端的物流体系不是线性的,是指数式增长。它对物流系统的管理者和合作伙伴的要求非常高,在作业模式上急迫要求打破传统、进行颠覆性创新、引领整个行业的进步。海鼎的物流客户中,也有指数式增长的案例。在跟随他们发展的过程,经历了第一个案例的折磨、成功、建立信心,和第二个案例的磨合与熟练,海鼎物流团队逐渐摸索出应对指数式增长模式的方法,在创新思维、创新心态方面有了极大提高。在追求极大值的过程中,项目团队与     

基于线性回归的无线传感器网络链路质量估计方法研究

针对无线传感器网络链路质量估计模型中回归算法复杂度高、缺少统一分类标准和公开数据集等问题,提出了一种基于EWMA和线性回归的链路质量估计方法ELR-LQE。以物理层获取的RSSI、LQI和SNR,以及包接收率PRR作为度量参数,分别在多种实验环境中采用不同的发射功率、竞争条件和部署方式采集数据,建立了链路质量估计数据集。通过最小值填充和EWMA对数据进行预处理,明显提高了回归模型的输入特征与链路质量的相关性。与现有方法相比,提出方法易于和网络层协议适配,并且复杂度较低,适合在资源有限的无线传感器网络节点中实现。实验结果显示,ELR-LQE具有较高的精度,在多种实验条件下平均的ME为4.6×10-2,R2为0.99。     

辽河干流跨界河流水质现状及对策分析

依据GB 3838-2002《地表水环境质量标准》,采用单因子评价法对2016—2020年辽河干流跨界河流水质进行了评价,并分析了两家子、后义和、常胜、三家子、石门子、双台子河闸等6个重要河段的水质监测结果及其变化趋势,提出了改善辽河干流跨界河流水质的主要对策和建议.     

用水竞争力指数评价方法及其应用研究

水资源短缺加剧了区域、行业间水资源竞争的程度,影响了水资源的演变格局,也对水资源供需管理提出了新的要求。为了定量化描述用水竞争现象,辨析了用水竞争力概念、内涵及其驱动因素,引入了用水竞争力指数（WCI）,并采用驱动增长率、刚性需水量、用水效益和用水紧缺程度四类指标构建了用水竞争力评价模型,以京津冀地区为例,定量分析得到京津冀地区2001—2015年农业、工业和生活分行业多年平均用水竞争力指数分别为0.09、0.17和0.56,其中生活用水竞争力指数最大并长期保持增长趋势,成为影响京津冀地区用水竞争力的主要行业,其次是工业用水竞争力指数,但呈波动性变化特征,农业用水竞争力指数最小但呈持续增加的趋势。     

滦河上游植被指数NDVI及EVI对SPEI的响应差异

在全球气候变化和人类活动的双重影响下,干旱呈广发、频发态势,使植被生长受到限制,进而影响生态系统结构,威胁区域生态安全。以滦河上游为研究区,基于2000-2019年归一化植被指数NDVI和增强型植被指数EVI,并结合标准化降水蒸散指数SPEI,分析滦河上游气象干旱和植被生长状况的变化趋势及空间分布特征,探讨植被变化对多时间尺度SPEI指数的响应差异。结果表明：近20年滦河上游SPEI呈波动式增大趋势,年尺度SPEI增大速率为0.040 1/a;干旱面积总体减少,减少速率为-1.430 4％/a;NDVI和EVI空间分布特征和变化趋势大体一致,植被覆盖度呈东南高西北低的特征,NDVI和EVI增大速率分别达0.027/a和0.026/a;大部分区域SPEI与植被指数呈正相关,其中NDVI对SPEI-3的响应最强,EVI对SPEI-6的响应最强,总体上EVI与SPEI的相关性强于NDVI;草地对气象干旱最敏感,农田次之,林地最弱。